CN109740602A - 肺动脉期血管提取方法及系统 - Google Patents
肺动脉期血管提取方法及系统 Download PDFInfo
- Publication number
- CN109740602A CN109740602A CN201910022263.5A CN201910022263A CN109740602A CN 109740602 A CN109740602 A CN 109740602A CN 201910022263 A CN201910022263 A CN 201910022263A CN 109740602 A CN109740602 A CN 109740602A
- Authority
- CN
- China
- Prior art keywords
- pixel
- region
- connected domain
- blood vessel
- pericardium
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 210000001147 pulmonary artery Anatomy 0.000 title claims abstract description 37
- 238000000605 extraction Methods 0.000 title claims abstract description 31
- 210000004072 lung Anatomy 0.000 claims abstract description 180
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 174
- 210000003516 pericardium Anatomy 0.000 claims abstract description 173
- 239000000284 extract Substances 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 37
- 210000000988 bone and bone Anatomy 0.000 claims description 14
- 239000008280 blood Substances 0.000 claims description 10
- 210000004369 blood Anatomy 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 8
- 238000010968 computed tomography angiography Methods 0.000 description 30
- 210000001519 tissue Anatomy 0.000 description 18
- 238000010586 diagram Methods 0.000 description 10
- 238000002591 computed tomography Methods 0.000 description 5
- 230000002792 vascular Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 210000001367 artery Anatomy 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 210000003462 vein Anatomy 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000002308 calcification Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 206010002329 Aneurysm Diseases 0.000 description 1
- 208000010378 Pulmonary Embolism Diseases 0.000 description 1
- 206010037423 Pulmonary oedema Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002491 angiogenic effect Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 208000005333 pulmonary edema Diseases 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种肺动脉期血管提取方法及系统。本发明实施例通过在胸部的血管造影图像中，识别肺部区域，基于肺部与椎骨的第一相对位置关系，根据肺部区域确定椎骨区域，基于心包与肺部及椎骨的第二相对位置关系，根据肺部区域、椎骨区域确定参考心包区域，提取肺部区域对应的第一血管像素，以及提取参考心包区域对应的第二血管像素，根据第一血管像素和第二血管像素，获得肺动脉期血管图像，解决了现有技术中提取CTA图像中血管的方案处理效率较低，无法提取完整血管的问题。
Description
【技术领域】
本方案涉及医疗技术领域，尤其涉及一种肺动脉期血管提取方法及系统。
【背景技术】
CTA(CT Angiography，CT血管造影)是一种重要的血管造影技术，它是当前诊断血管疾病的重要方法之一，在临床上主要用于诊治多种血管疾病，例如动脉瘤、血管狭窄、血管钙化、肺动脉栓塞等。
肺动脉期血管包括肺内血管、心包内血管以及肺和心包之间的血管。肺动脉期血管可以通过胸部的CTA图像获得。但是，CTA图像中不仅包括血管，还包括其他的组织。因此，在获得CTA图像后，需要从CTA图像中提取出血管。
现有技术中，采用基于阈值的区域增长方法提取CTA图像中的血管，该该方法从一组初始种子点开始，将与种子点相似(如CT值处在相同范围)的相邻像素附加到区域增长的种子点上。该方法计算速度快，因与阈值大小相关，鲁棒性差、分割结果不准确。当阈值范围偏小时，无法提取血管细小分支造成欠分割；当阈值范围偏大时，部分骨头等组织会被当成血管，造成过分割。
【发明内容】
有鉴于此，本方案实施例提供了一种肺动脉期血管提取方法及系统，用以解决现有技术中提取CTA图像中血管的方案处理效率较低，且无法提取完整血管。
第一方面，本发明实施例提供一种肺动脉期血管提取方法，所述方法包括：
在胸部的血管造影图像中，识别肺部区域；
基于肺部与椎骨的第一相对位置关系，根据所述肺部区域确定椎骨区域；
基于心包与肺部及椎骨的第二相对位置关系，根据所述肺部区域、所述椎骨区域确定参考心包区域；
提取所述肺部区域对应的第一血管像素，以及提取所述参考心包区域对应的第二血管像素；
根据所述第一血管像素和所述第二血管像素，获得肺动脉期血管图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于肺部与椎骨的第一相对位置关系，根据所述肺部区域确定椎骨图像，包括：
根据所述肺部区域，从所述血管造影图像中选取对应肺部指定层的图像，作为待投影图像；
对所述待投影图像在Z方向上进行投影，得到投影图像，所述Z方向为从人体的头指向脚的方向；
在所述投影图像上确定椎骨种子点；
基于所述椎骨种子点进行椎骨像素生长，获取椎骨像素，根据椎骨种子点和获取的椎骨像素确定椎骨区域。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于心包与肺部及椎骨的第二相对位置关系，根据所述肺部区域、所述椎骨区域确定参考心包区域，包括：
根据所述肺部区域，确定肺部的最高边界点以及最低边界点，以及，根据所述椎骨区域，确定椎骨中心点；
基于所述最高边界点确定参考心包区域的上边界，基于所述最低边界点或所述椎骨中心点确定参考心包区域的下边界；
以所述肺部区域中左肺的右边界作为参考心包区域的第一左边界，以所述肺部区域中右肺的左边界作为参考心包区域的第一右边界；
将所述血管造影图像中，所述上边界、所述下边界、所述第一左边界、所述第一右边界所围的范围内的区域，作为第一准参考心包区域；
从所述第一准参考心包区域去除所述第一准参考心包区域与所述椎骨区域重叠的区域，剩余区域作为参考心包区域。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于心包与肺部及椎骨的第二相对位置关系，根据所述肺部区域、所述椎骨区域确定参考心包区域，包括：
根据所述肺部区域，确定肺部的最高边界点、最低边界点、最左边界点以及最右边界点，以及，根据所述椎骨区域,确定椎骨中心点；
基于所述最高边界点确定参考心包区域的上边界，基于所述最低边界点或所述椎骨中心点确定参考心包区域的下边界；
基于所述最左边界点确定参考心包区域的第二左边界，基于所述最右边界点确定参考心包区域的第二右边界；
将所述血管造影图像中，所述上边界、所述下边界、所述第二左边界、所述第二右边界所围的范围内的区域，作为第二准参考心包区域；
从所述第二准参考心包区域去除所述第二准参考心包区域与所述椎骨区域重叠的区域，剩余区域作为参考心包区域。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述提取所述肺部区域对应的第一血管像素，包括：
获取肺内血管像素的像素值对应的第一下限值；
将所述肺部区域内大于所述第一下限值的像素作为第一血管像素。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述提取所述参考心包区域对应的第二血管像素，包括：
获取心内血管像素的像素值对应的第二下限值；
查找所述参考心包区域内大于所述第二下限值的像素，作为候选血管像素；
所述第二血管像素包括所述候选血管像素。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：
根据所述椎骨区域确定椎骨边界，以及根据所述参考心包区域确定参考心包边界；
从处于所述椎骨边界上的像素和处于所述参考心包边界上的像素中，查找像素值大于所述第二下限值的像素，作为第一生长种子点；
基于所述第一生长种子点进行区域生长，得到第一生长结果，所述第一生生长结果包括至少一个第一连通域；
从所述至少一个第一连通域中查找属于血管的第一连通域，作为第一血管连通域；
所述第二血管像素还包括所述第一血管连通域内的像素。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述从所述至少一个第一连通域中查找属于血管的第一连通域，作为第一血管连通域，包括：
对于所述至少一个第一连通域中的每个第一连通域，获取该第一连通域处于所述参考心包区域内的像素的第一点数、处于所述参考心包区域外的像素的第二点数，以及处于所述椎骨区域内的像素的第三点数；
若所述第一点数大于第一阈值、所述第二点数小于第二阈值，确定该连通域为第一血管连通域；或者，若所述第三点数为0，第一点数大于第一阈值、第二点数大于第一阈值，则确定该第一连通域为第一血管连通域。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：
若所述第一点数小于第一阈值，所述第三点数大于第三阈值，确定该第一连通域为第一椎骨连通域；
从所述第二血管像素中去除处于所述第一椎骨连通域内的像素。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：
从所述至少一个第一连通域中查找所述第一点数和所述第三点数均大于点数阈值的第一连通域，作为候选连通域；
将所述候选连通域对应的第一生长种子点作为候选种子点；
从所述候选种子点中查找像素值大于第三下限值的像素，作为第二生长种子点，所述第三下限值大于所述第二下限值；
基于所述第二生长种子点进行区域生长，得到第二生长结果，所述第二生长结果包括至少一个第二连通域；
从所述至少一个第二连通域中查找属于血管的第二连通域，作为第二血管连通域；
所述第二血管像素还包括所述第二血管连通域内的像素。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述从所述至少一个第二连通域中查找属于血管的第二连通域，作为第二血管连通域，包括：
对于所述至少一个第二连通域中的每个第二连通域，获取该第二连通域处于所述参考心包区域内的像素的第四点数、处于所述参考心包区域外的像素的第五点数，以及处于所述椎骨区域内的像素的第六点数；
若所述第四点数大于第四阈值、所述第五点数小于第五阈值，确定该连通域为第二血管连通域，确定该第二连通域为第二血管连通域。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：
若所述第四点数小于第四阈值、所述第六点数大于，确定该第二连通域为第二椎骨连通域；
从所述第二血管像素中去除处于所述第二椎骨连通域内的像素。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述第一血管像素和所述第二血管像素，获得肺动脉期血管图像，包括：
将所有第一血管像素和所有第二血管像素组成的图像作为肺动脉期血管图像。
第二方面，本发明实施例提供一种肺动脉期血管提取系统，所述系统包括处理器以及存储器；所述存储器用于存储指令，所述指令被所述处理器执行时，导致所述系统实现如第一方面任一项所述的方法。
本发明实施例具有以下有益效果：
本发明实施例，通过在胸部的血管造影图像中，识别肺部区域，基于肺部与椎骨的第一相对位置关系，根据肺部区域确定椎骨区域，基于心包与肺部及椎骨的第二相对位置关系，根据肺部区域、椎骨区域确定参考心包区域，提取肺部区域对应的第一血管像素，以及提取参考心包区域对应的第二血管像素，根据第一血管像素和第二血管像素，获得肺动脉期血管图像，在识别肺部区域后，基于肺、心包、椎骨之间的相对位置关系确定CTA图像中的参考心包区域，再分别提取肺部区域和参考心包区域的血管，从而能够快速提取完整的血管组织。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的肺动脉期血管提取方法的流程示例图。
图2为本发明实施例提供的胸部血管造影图像的示例图。
图3为从图2所示的胸部血管造影图像中识别出的肺部区域。
图4为对图3中肺部区域以外的肺外背景填实后的图像。
图5为对图3所示的肺部区域进行膨胀后的图像。
图6为本发明实施例提供的对肺部指定层的图像进行投影后得到的投影图像示例图。
图7为根据肺部区域确定的图2所示胸部血管造影图像中的椎骨图像。
图8为根据图4所示的肺部区域和图7所示的椎骨区域确定的参考心包区域的第一示例图。
图9为根据图4所示的肺部区域和图7所示的椎骨区域确定的参考心包区域的第二示例图。
图10为图2所示的胸部血管造影图像中血管误判示例图之一。
图11为图2所示的胸部血管造影图像中血管误判示例图之二。
图12为图2所示的胸部血管造影图像中血管误判示例图之三图。
图13为图2所示的胸部血管造影图像中血管误判示例图之四。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
实施例一
本发明实施例提供了一种肺动脉期血管提取方法，该肺动脉期血管提取方法可以通过应用程序APP来实现。
图1为本发明实施例提供的肺动脉期血管提取方法的流程示例图。如图1所示，本实施例中，肺动脉期血管提取方法包括如下步骤：
S101，在胸部的血管造影图像中，识别肺部区域。
S102，基于肺部与椎骨的第一相对位置关系，根据肺部区域确定椎骨区域。
S103，基于心包与肺部及椎骨的第二相对位置关系，根据肺部区域、椎骨区域确定参考心包区域。
S104，提取肺部区域对应的第一血管像素，以及提取参考心包区域对应的第二血管像素。
S105，根据第一血管像素和第二血管像素，获得肺动脉期血管图像。
其中，血管造影图像可以通过CTA扫描(扫描前注射造影剂)得到。血管造影图像可以包括对胸部区域进行CT(Computed Tomography)，电子计算机断层扫描)扫描得到的一系列图像。
在人体中，肺部与椎骨之间存在一定的相对位置关系，心包与肺部及椎骨之间也存在一定的相对位置关系，基于这些位置关系，可以根据已知的肺部区域确定椎骨区域和参考心包区域。
其中，参考心包区域可能既包括心包区域，也包括心包外的一些区域。这样，参考心包区域所包含的血管像素可能一部分处于心包之内，一部分处于心包之外，其中，处于心包之外的这部分血管像素属于肺和心包之间的血管。因此，参考心包区域对应的血管像素包括了心包之内的血管像素和肺和心包之间的血管的像素。
基于此，根据肺部区域对应的第一血管像素和参考心包区域对应的第二血管像素，就可以获得肺动脉期血管的像素，从而得到肺动脉期血管图像。
图1所示实施例，通过对CTA图像中肺部区域进行识别，并基于肺、心包、椎骨之间的相对位置关系确定CTA图像中的参考心包区域，再分别提取肺部区域和参考心包区域对应的血管，从而能够快速提取完整的血管组织。。
在一个示例性的实现过程中，在胸部的血管造影图像中，识别肺部区域之前，肺动脉期血管提取方法还可以包括：获取血管造影图像。这可以通过对受检对象进行CTA扫描得到。
图2为本发明实施例提供的胸部血管造影图像的示例图。获取的血管造影图像可以如图2所示。
在一个示例性的实现过程中，在胸部的血管造影图像中，识别肺部区域的方式可以是：获取种子点的集合所在区域；在获取的区域基础上根据种子点进行区域增长，即将与每个种子点有相似属性的相邻像素合并到此区域中。其中，相似属性可以是强度、灰度级、纹理颜色等。
其中，像素值可以是像素的灰度值。
举例说明。假设肺组织像素的像素值的上限值＝-400，则血管造影图像中像素值小于或等于-400的像素为肺组织像素，大于-400的像素为非肺组织像素。确定肺部种子点，然后以-400为上限值进行区域生长，以排除空气背景。将肺组织像素标记为1，将非肺组织像素标记为0。这样，通过标记为1的所有像素形成连通域即为肺部区域。
请参见图2和图3，图3为从图2所示的胸部血管造影图像中识别出的肺部区域。可见，当根据像素值将图2所示的胸部血管造影图像中的像素区分为肺组织像素和非肺组织像素后，根据所有肺组织像素形成的连通域即为肺部区域。
在图3基础上，如果进一步填实肺外背景(CTA图像中肺部区域以外的区域)，并将属于肺外背景的像素标记为2，则可以得到图4。图4为对图3中肺部区域以外的肺外背景填实后的图像。
在将肺组织像素标记为1，将非肺组织像素标记为0，将属于肺外背景的像素标记为2后，图像中标记为0的像素记为肺内血管像素了。请参见图4，图4中，灰度值最大的部分为肺内血管。
在本发明其他实施例中，在得到图3的基础上，可以进一步对肺部区域进行膨胀，以扩大肺部区域的范围，从而提取到更多的肺内血管像素。例如，可以通过提高肺组织像素的像素值的上限值来膨胀肺部区域。例如，图3是通过以-400作为肺组织像素的像素值的上限值得到的，在图3基础上，可以以-200作为肺组织像素的像素值的新上限值对肺部区域进行膨胀操作。对图3所示的肺部区域进行膨胀后的图像如图5所示。图5为对图3所示的肺部区域进行膨胀后的图像。在图5的基础上，再填实肺外背景(即将图5中膨胀后的肺部区域以外的部分标记为2)，则膨胀后的肺部区域中标记为0的像素为肺内血管像素。由于膨胀后的肺部区域包含延伸至肺部区域内部的肺内血管，并且血管在边界封闭更多，因此从膨胀后的肺部区域能够提取到更多的肺内血管像素。
在一个示例性的实现过程中，基于肺部与椎骨的第一相对位置关系，根据肺部区域确定椎骨图像，可以包括：根据肺部区域，从血管造影图像中选取对应肺部指定层的图像，作为待投影图像；对待投影图像在Z方向上进行投影，得到投影图像，Z方向为从人体的头指向脚的方向；在投影图像上确定椎骨种子点；基于椎骨种子点进行椎骨像素生长，获取椎骨像素，根据椎骨种子点和获取的椎骨像素确定椎骨区域。即将椎骨种子点和获取的所有椎骨像素形成连通域作为椎骨区域。
其中，肺部指定层一般为距离颈部大于设定距离的层。这是脊柱在靠近颈部的范围内较弯曲，影响统计。
图6为本发明实施例提供的对肺部指定层的图像进行投影后得到的投影图像示例图。图6为Z方向在XY平面上投影结果。请参见图6，从图6中确定椎骨种子点后，就可以基于椎骨种子点进行椎骨像素生长，从而获取椎骨像素。
在应用中，可以在投影图像的设定范围内确定椎骨种子点。比如设定范围可以是投影图像的X轴上大于三分之一维度且小于三分之二维度、Y轴上大于二分之一维度且小于Y轴维度所确定的范围。可以将设定范围内像素值最大的点作为椎骨种子点。
在基于椎骨种子点进行椎骨像素生长以获取椎骨像素时，可以基于自适应阈值提取椎骨，即慢慢增大阈值，提取椎骨，直到所长椎骨在X轴上大于85mm(毫米)，即停止寻找。
基于以上方式，根据肺部区域确定的图2所示胸部血管造影图像中的椎骨图像如图7所示。
在一个示例性的实现过程中，基于心包与肺部及椎骨的第二相对位置关系，根据肺部区域、椎骨区域确定参考心包区域，可以包括：根据肺部区域，确定肺部的最高边界点以及最低边界点，以及，根据椎骨区域,确定椎骨中心点；基于最高边界点确定参考心包区域的上边界，基于最低边界点或椎骨中心点确定参考心包区域的下边界；以肺部区域中左肺的右边界作为参考心包区域的第一左边界，以肺部区域中右肺的左边界作为参考心包区域的第一右边界；将血管造影图像中，上边界、下边界、第一左边界、第一右边界所围的范围内的区域，作为第一准参考心包区域；从第一准参考心包区域去除第一准参考心包区域与椎骨区域重叠的区域，剩余区域作为参考心包区域。将本示例提出的确定参考心包区域的方式记为方式一，方式一可以用于从肺上部远离肝胃的层数对应的图像中确定参考心包区域。
其中，基于最高边界点(指肺部的最高边界点)确定参考心包区域的上边界可以包括：将最高边界点下方指定距离处的与X轴平行的直线确定为参考心包区域的上边界。例如，将肺部的最高边界点以下12mm(毫米)处的与X轴平行的直线确定为参考心包区域的上边界。
其中，基于最低边界点(指肺部的最低边界点)确定参考心包区域的下边界可以包括：将最低边界点上方指定距离处的与X轴平行的直线确定为参考心包区域的下边界。例如，将肺部的最低边界点以上35mm(毫米)处的与X轴平行的直线确定为参考心包区域的上边界。
一般情况下，基于肺部的最低边界点来确定参考心包区域的下边界。但是，在由于某些疾病(如肺水肿等)影响，导致受检对象的肺部最低边界点较靠上时，根据肺部的最低边界点确定的参考心包区域的下边界准确度较低，此时可以通过椎骨中心点来确定参考心包区域的下边界，即将经过椎骨中心点且与X轴平行的直线作为参考心包区域的下边界。
其中，椎骨中心点指椎骨区域的Y轴中间位置。
图8为根据图4所示的肺部区域和图7所示的椎骨区域确定的参考心包区域的第一示例图。图8所示的参考心包区域基于方式一确定。图8中，箭头所在的灰度区域为参考心包区域，该参考心包区域的左边界为肺部区域中左肺的右边界，该参考心包区域的右边界为肺部区域中右肺的左边界。
在一个示例性的实现过程中，基于心包与肺部及椎骨的第二相对位置关系，根据肺部区域、椎骨区域确定参考心包区域，可以包括：根据肺部区域，查找肺部的最高边界点、最低边界点、最左边界点以及最右边界点，以及，根据椎骨区域,查找椎骨中心点；基于最高边界点确定参考心包区域的上边界，基于最低边界点或椎骨中心点确定参考心包区域的下边界；基于最左边界点确定参考心包区域的第二左边界，基于最右边界点确定参考心包区域的第二右边界；将血管造影图像中，上边界、下边界、第二左边界、第二右边界所围的范围内的区域，作为第二准参考心包区域；从第二准参考心包区域去除第二准参考心包区域与椎骨区域重叠的区域，剩余区域作为参考心包区域。将本示例提出的确定参考心包区域的方式记为方式二，方式二可以用于从肺低部靠近肝胃的层数对应的图像中确定参考心包区域。
方式二中，参考心包区域的上边界和下边界的确定方式与前述的方式一相同，此处不再赘述。
方式二中，参考心包区域的左边界和右边界的确定方式与前述的方式一不同。
其中，基于最左边界点(指肺部的最左边界点)确定参考心包区域的第二左边界，可以包括：将最左边界点右方指定距离处的与Y轴平行的直线确定为参考心包区域的第二左边界。例如，选取肺部的最左边界点往右20mm(毫米)处的与Y轴平行的直线作为参考心包区域的第二左边界。
其中，基于最右边界点(指肺部的最右边界点)确定参考心包区域的第二右边界，可以包括：将最右边界点左方指定距离处的与Y轴平行的直线确定为参考心包区域的第二右边界。例如，选取肺部的最右边界点往左20mm(毫米)处的与Y轴平行的直线作为参考心包区域的第二右边界。
图9为根据图4所示的肺部区域和图7所示的椎骨区域确定的参考心包区域的第二示例图。图9所示的参考心包区域基于方式一确定。图9中，四条虚线所围成的闭合区域为参考心包区域，该参考心包区域的左边界基于肺部的最左边界点确定，该参考心包区域的右边界基于肺部的最右边界点确定。
在一个示例性的实现过程中，提取肺部区域对应的第一血管像素，可以包括：获取肺内血管像素的像素值对应的第一下限值；将肺部区域内大于第一下限值的像素作为第一血管像素。
其中，第一血管像素即为肺内血管像素。
在一个示例性的实现过程中，提取参考心包区域对应的第二血管像素，可以包括：获取心内血管像素的像素值对应的第二下限值；查找参考心包区域内大于第二下限值的像素，作为候选血管像素；第二血管像素包括候选血管像素。
在一个示例性的实现过程中，在第二血管像素包括候选血管像素的基础上，肺动脉期血管提取方法还可以包括：根据椎骨区域确定椎骨边界，以及根据参考心包区域确定参考心包边界；从处于椎骨边界上的像素和处于参考心包边界上的像素中，查找像素值大于第二下限值的像素，作为第一生长种子点；基于第一生长种子点进行区域生长，得到第一生长结果，第一生生长结果包括至少一个第一连通域；从至少一个第一连通域中查找属于血管的第一连通域，作为第一血管连通域；第二血管像素还包括第一血管连通域内的像素。
由于椎骨区域和参考心包区域是基于肺、心包、椎骨之间的相对位置关系确定，而血管结构复杂、血管分支细小复杂，以及造影图像中增强的血管，以及血管钙化处与骨头组织在CT值上有部分重叠，在图像上连接非常紧密，因此基于所述椎骨区域和参考心包区域获取的血管生长结果不够准确，例如将骨头等组织作为血管而误提取而造成过分割，或者将细小血管作为非血管组织去除，造成欠分割，因此需要对在生成结果中查找属于血管的连通域。
在一个示例性的实现过程中，从至少一个第一连通域中查找属于血管的第一连通域，作为第一血管连通域，可以包括：对于至少一个第一连通域中的每个第一连通域，获取该第一连通域处于参考心包区域内的像素的第一点数、处于参考心包区域外的像素的第二点数，以及处于椎骨区域内的像素的第三点数；若第一点数大于第一阈值、所述第二点数小于第二阈值，确定该连通域为第一血管连通域；或者，若第三点数为0，第一点数大于第一阈值、第二点数大于第一阈值，则确定该第一连通域为第一血管连通域。以512乘以512的CTA图像为例，第一点数大于500、所述第二点数小于100，则确定该连通域为第一血管连通域；或者，若第三点数为0，第一点数大于500、第二点数大于500，则确定该连通域为第一血管连通域。
如图10和图11所示，如果处于参考心包区域内的像素较多，处于参考心包区域外的像素较少，则确定第一连通域中的像素为血管像素；或者，如果处于参考心包区域内的像素较多，处于参考心包区域外的像素也较多，但没有处于椎骨区域内的像素，则也确定第一连通域中的像素为血管像素。
第一血管连通域的一部分可能处于参考心包区域内部，一部分可能处于参考心包区域外部。第一血管连通域的处于参考心包区域内部的部分，可能包括了参考心包区域内已经被确定为不是候选血管像素的像素，这些像素通过第一连通域被确定为第一血管连通域，又被作为血管像素提取了出来，这样就减少了将小血管当成非血管组织去除的情况发生，从而减少了分割不全的情况，提高了血管提取的准确度。
第一血管连通域的处于参考心包区域外部的部分，属于肺和心包之间的血管，这部分血管通过种子点的区域生长被准确地提取了出来，提高了血管提取的准确度。
在一个示例性的实现过程中，肺动脉期血管提取方法还可以包括：若第一点数小于第一阈值，所述第三点数大于第三阈值，确定该第一连通域为第一椎骨连通域；从第二血管像素中去除处于第一椎骨连通域内的像素。以512乘以512的CTA图像为例，若第一点数小于200，所述第三点数大于500，确定该第一连通域为第一椎骨连通域；从第二血管像素中去除处于第一椎骨连通域内的像素。
在一些情况下，由于钙化使得血管与骨头连接非常紧密等原因，导致现有的一些血管分割方法很容易将骨头等组织误当成血管提取，造成过度分割，如图12所示(图12中，虚线椭圆区域内的黑色区域即为被误判为血管的骨头，该黑色区域是椎骨边界上像素被误判的情况。图12中，虚线椭圆区域内的黑色区域即为被误判为血管的骨头，该黑色区域是参考心包边界上像素被误判的情况)。而本发明实施例通过从第一连通域中鉴别出第一椎骨连通域，并第二血管像素中去除处于第一椎骨连通域内的像素，剔除了被误当成血管提取的椎骨像素，减少了过度分割的情况，从而提高了血管提取的准确度。
如图13所示，如果处于参考心包区域内的像素较多，处于椎骨区域内的像素也较多，则针对参考心包区域血管像素重新选择一个更大的下限值，重新进行区域生长和对新产生的连通域进行判断。
因此，在上述基础上，在一个示例性的实现过程中，肺动脉期血管提取方法还可以包括：从至少一个第一连通域中查找第一点数和第三点数均大于点数阈值的第一连通域，作为候选连通域；将候选连通域对应的第一生长种子点作为候选种子点；从候选种子点中查找像素值大于第三下限值的像素，作为第二生长种子点，第三下限值大于第二下限值；基于第二生长种子点进行区域生长，得到第二生长结果，第二生长结果包括至少一个第二连通域；从至少一个第二连通域中查找属于血管的第二连通域，作为第二血管连通域；第二血管像素还包括第二血管连通域内的像素。
在一个示例性的实现过程中，从至少一个第二连通域中查找属于血管的第二连通域，作为第二血管连通域，包括：对于至少一个第二连通域中的每个第二连通域，获取该第二连通域处于所述参考心包区域内的像素的第四点数、处于参考心包区域外的像素的第五点数，以及处于椎骨区域内的像素的第六点数；若若所述第四点数大于第四阈值、所述第五点数小于第五阈值，确定该连通域为第二血管连通域，确定该第二连通域为第二血管连通域。
在一个示例性的实现过程中，肺动脉期血管提取方法还可以包括：若所述第四点数小于第四阈值、所述第六点数大于第六阈值，确定该第二连通域为第二椎骨连通域；从第二血管像素中去除处于第二椎骨连通域内的像素。
对于第二连通域内像素属于血管像素还是椎骨像素的判断方式同前述第一连通域的判断方式相同，此处不再赘述。
需要说明的是，所述第一阈值、第二阈值、第三阈值、第四阈值、第五阈值和第六阈值为经验阈值，可以根据各个示例中CTA图像的分辨率以及像素的像素值确定，本发明对此不作具体限定。
在一个示例性的示例过程中，对于第一连通域、第二连通域中在三维连通域中像素点数较少的连通域进行判断是否属于血管像素，例如对于X、Y和Z轴的坐标轴维度小于30的连通域，判断条件为该连通域是否在三维上与其他骨头相连，若与已标定位骨头组织的大面积高亮区域相连，说明该连通域也是骨头，则在血管像素中剔除该连通域作为肺动脉期血管图像；或者，如果该三维连通域中在一个或多个断面上存在缺失血管像素情况，判断该断面相邻断面上是否包含血管像素，则对该连通域进行填实操作后，确定该连通域作为肺动脉期血管图像。
在一个示例性的实现过程中，根据第一血管像素和第二血管像素，获得肺动脉期血管图像，可以包括：将所有第一血管像素和所有第二血管像素组成的图像作为肺动脉期血管图像。
由前述说明可知，本发明实施例的肺动脉期血管提取方法中，涉及的算法大部分都为算法非常简单的阈值比较算法，以及本身速度就很快的种子点生长算法，因此计算量少，处理速度快。
本发明实施例提供的肺动脉期血管提取方法，通过在胸部的血管造影图像中，识别肺部区域，基于肺部与椎骨的第一相对位置关系，根据肺部区域确定椎骨区域，基于心包与肺部及椎骨的第二相对位置关系，根据肺部区域、椎骨区域确定参考心包区域，提取肺部区域对应的第一血管像素，以及提取参考心包区域对应的第二血管像素，根据第一血管像素和第二血管像素，获得肺动脉期血管图像，在识别肺部区域后，基于肺、心包、椎骨之间的相对位置关系确定CTA图像中的参考心包区域，再分别提取肺部区域和参考心包区域的血管，从而能够快速提取完整的血管组织。
实施例二
本发明实施例提供一种肺动脉期血管提取系统，该系统包括处理器以及存储器；其中，存储器用于存储指令，该指令被处理器执行时，导致系统实现如前述实施例一中任一种肺动脉期血管提取方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (14)
1.一种肺动脉期血管提取方法，其特征在于，所述方法包括：
在胸部的血管造影图像中，识别肺部区域；
基于肺部与椎骨的第一相对位置关系，根据所述肺部区域确定椎骨区域；
基于心包与肺部及椎骨的第二相对位置关系，根据所述肺部区域、所述椎骨区域确定参考心包区域；
提取所述肺部区域对应的第一血管像素，以及提取所述参考心包区域对应的第二血管像素；
根据所述第一血管像素和所述第二血管像素，获得肺动脉期血管图像。
2.根据权利要求1所述的方法，其特征在于，所述基于肺部与椎骨的第一相对位置关系，根据所述肺部区域确定椎骨图像，包括：
根据所述肺部区域，从所述血管造影图像中选取对应肺部指定层的图像，作为待投影图像；
对所述待投影图像在Z方向上进行投影，得到投影图像，所述Z方向为从人体的头指向脚的方向；
在所述投影图像上确定椎骨种子点；
基于所述椎骨种子点进行椎骨像素生长，获取椎骨像素，根据椎骨种子点和获取的椎骨像素确定椎骨区域。
3.根据权利要求1所述的方法，其特征在于，所述基于心包与肺部及椎骨的第二相对位置关系，根据所述肺部区域、所述椎骨区域确定参考心包区域，包括：
根据所述肺部区域，确定肺部的最高边界点以及最低边界点，以及，根据所述椎骨区域，确定椎骨中心点；
基于所述最高边界点确定参考心包区域的上边界，基于所述最低边界点或所述椎骨中心点确定参考心包区域的下边界；
以所述肺部区域中左肺的右边界作为参考心包区域的第一左边界，以所述肺部区域中右肺的左边界作为参考心包区域的第一右边界；
将所述血管造影图像中，所述上边界、所述下边界、所述第一左边界、所述第一右边界所围的范围内的区域，作为第一准参考心包区域；
从所述第一准参考心包区域去除所述第一准参考心包区域与所述椎骨区域重叠的区域，剩余区域作为参考心包区域。
4.根据权利要求1所述的方法，其特征在于，所述基于心包与肺部及椎骨的第二相对位置关系，根据所述肺部区域、所述椎骨区域确定参考心包区域，包括：
根据所述肺部区域，确定肺部的最高边界点、最低边界点、最左边界点以及最右边界点，以及，根据所述椎骨区域,确定椎骨中心点；
基于所述最高边界点确定参考心包区域的上边界，基于所述最低边界点或所述椎骨中心点确定参考心包区域的下边界；
基于所述最左边界点确定参考心包区域的第二左边界，基于所述最右边界点确定参考心包区域的第二右边界；
将所述血管造影图像中，所述上边界、所述下边界、所述第二左边界、所述第二右边界所围的范围内的区域，作为第二准参考心包区域；
从所述第二准参考心包区域去除所述第二准参考心包区域与所述椎骨区域重叠的区域，剩余区域作为参考心包区域。
5.根据权利要求1所述的方法，其特征在于，所述提取所述肺部区域对应的第一血管像素，包括：
获取肺内血管像素的像素值对应的第一下限值；
将所述肺部区域内大于所述第一下限值的像素作为第一血管像素。
6.根据权利要求1所述的方法，其特征在于，所述提取所述参考心包区域对应的第二血管像素，包括：
获取心内血管像素的像素值对应的第二下限值；
查找所述参考心包区域内大于所述第二下限值的像素，作为候选血管像素；
所述第二血管像素包括所述候选血管像素。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
根据所述椎骨区域确定椎骨边界，以及根据所述参考心包区域确定参考心包边界；
从处于所述椎骨边界上的像素和处于所述参考心包边界上的像素中，查找像素值大于所述第二下限值的像素，作为第一生长种子点；
基于所述第一生长种子点进行区域生长，得到第一生长结果，所述第一生生长结果包括至少一个第一连通域；
从所述至少一个第一连通域中查找属于血管的第一连通域，作为第一血管连通域；
所述第二血管像素还包括所述第一血管连通域内的像素。
8.根据权利要求7所述的方法，其特征在于，所述从所述至少一个第一连通域中查找属于血管的第一连通域，作为第一血管连通域，包括：
对于所述至少一个第一连通域中的每个第一连通域，获取该第一连通域处于所述参考心包区域内的像素的第一点数、处于所述参考心包区域外的像素的第二点数，以及处于所述椎骨区域内的像素的第三点数；
若所述第一点数大于第一阈值、所述第二点数小于第二阈值，确定该连通域为第一血管连通域；或者，若所述第三点数为0，第一点数大于第一阈值、第二点数大于第一阈值，则确定该第一连通域为第一血管连通域。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
若所述第一点数小于第一阈值，所述第三点数大于第三阈值，确定该第一连通域为第一椎骨连通域；
从所述第二血管像素中去除处于所述第一椎骨连通域内的像素。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
从所述至少一个第一连通域中查找所述第一点数和所述第三点数均大于点数阈值的第一连通域，作为候选连通域；
将所述候选连通域对应的第一生长种子点作为候选种子点；
从所述候选种子点中查找像素值大于第三下限值的像素，作为第二生长种子点，所述第三下限值大于所述第二下限值；
基于所述第二生长种子点进行区域生长，得到第二生长结果，所述第二生长结果包括至少一个第二连通域；
从所述至少一个第二连通域中查找属于血管的第二连通域，作为第二血管连通域；
所述第二血管像素还包括所述第二血管连通域内的像素。
11.根据权利要求10所述的方法，其特征在于，所述从所述至少一个第二连通域中查找属于血管的第二连通域，作为第二血管连通域，包括：
对于所述至少一个第二连通域中的每个第二连通域，获取该第二连通域处于所述参考心包区域内的像素的第四点数、处于所述参考心包区域外的像素的第五点数，以及处于所述椎骨区域内的像素的第六点数；
若所述第四点数大于第四阈值、所述第五点数小于第五阈值，确定该连通域为第二血管连通域，确定该第二连通域为第二血管连通域。
12.根据权利要求11所述的方法，其特征在于，所述方法还包括：
若所述第四点数小于第四阈值、所述第六点数大于第六阈值，确定该第二连通域为第二椎骨连通域；
从所述第二血管像素中去除处于所述第二椎骨连通域内的像素。
13.根据权利要求1所述的方法，其特征在于，所述根据所述第一血管像素和所述第二血管像素，获得肺动脉期血管图像，包括：
将所有第一血管像素和所有第二血管像素组成的图像作为肺动脉期血管图像。
14.一种肺动脉期血管提取系统，其特征在于，所述系统包括处理器以及存储器；所述存储器用于存储指令，所述指令被所述处理器执行时，导致所述系统实现如权利要求1～13任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910022263.5A CN109740602B (zh) | 2019-01-10 | 2019-01-10 | 肺动脉期血管提取方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910022263.5A CN109740602B (zh) | 2019-01-10 | 2019-01-10 | 肺动脉期血管提取方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109740602A true CN109740602A (zh) | 2019-05-10 |
| CN109740602B CN109740602B (zh) | 2023-06-30 |
Family
ID=66364203
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910022263.5A Active CN109740602B (zh) | 2019-01-10 | 2019-01-10 | 肺动脉期血管提取方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109740602B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110197495A (zh) * | 2019-05-30 | 2019-09-03 | 数坤（北京）网络科技有限公司 | 血管提取的调整方法及装置 |
| CN111079741A (zh) * | 2019-12-02 | 2020-04-28 | 腾讯科技（深圳）有限公司 | 图像边框位置检测方法、装置、电子设备及存储介质 |
| CN112767333A (zh) * | 2021-01-08 | 2021-05-07 | 心医国际数字医疗系统(大连)有限公司 | 一种基于cta影像的双下肢血管区域判断方法及系统 |
| CN112907517A (zh) * | 2021-01-28 | 2021-06-04 | 上海商汤智能科技有限公司 | 一种图像处理方法、装置、计算机设备及存储介质 |
| CN113344897A (zh) * | 2021-06-24 | 2021-09-03 | 推想医疗科技股份有限公司 | 肺部图像的管径测量方法及装置、图像处理方法及装置 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020009215A1 (en) * | 2000-01-18 | 2002-01-24 | Arch Development Corporation | Automated method and system for the segmentation of lung regions in computed tomography scans |
| US20030031351A1 (en) * | 2000-02-11 | 2003-02-13 | Yim Peter J. | Vessel delineation in magnetic resonance angiographic images |
| CN101301207A (zh) * | 2008-05-28 | 2008-11-12 | 华中科技大学 | 动态模型指导下的血管造影三维重建方法 |
| US20100128954A1 (en) * | 2008-11-25 | 2010-05-27 | Algotec Systems Ltd. | Method and system for segmenting medical imaging data according to a skeletal atlas |
| KR20110129239A (ko) * | 2010-05-25 | 2011-12-01 | 인하대학교 산학협력단 | 흉부 씨티 영상 내 병변 자동 검출을 위한 폐 혈관 추출 방법 |
| CN102521476A (zh) * | 2011-11-03 | 2012-06-27 | 丁国成 | 基于成人x线正位胸片的异常心脏大血管计算机筛选系统及筛选方法 |
| CN103985124A (zh) * | 2014-05-17 | 2014-08-13 | 清华大学深圳研究生院 | 基于非线性渐变模型的心脏ct图像底部自动提取方法 |
| CN105976348A (zh) * | 2015-01-06 | 2016-09-28 | 西门子公司 | 医学成像中的个性化全身循环 |
| CN106108925A (zh) * | 2015-05-04 | 2016-11-16 | 西门子保健有限责任公司 | 用于医学图像数据中全身骨移除和血管可视化的方法和系统 |
| CN106683090A (zh) * | 2016-12-31 | 2017-05-17 | 上海联影医疗科技有限公司 | 医学图像中肋骨的定位方法及其系统 |
| CN107045721A (zh) * | 2016-10-24 | 2017-08-15 | 东北大学 | 一种从胸部ct图像中提取肺血管的方法及装置 |
| CN107451321A (zh) * | 2017-05-16 | 2017-12-08 | 中国人民解放军海军总医院 | 一种用于拦阻着舰过程的飞行员心肺系统仿真建模方法 |
| CN107545579A (zh) * | 2017-08-30 | 2018-01-05 | 上海联影医疗科技有限公司 | 一种心脏分割方法、设备和存储介质 |
| CN107886508A (zh) * | 2017-11-23 | 2018-04-06 | 上海联影医疗科技有限公司 | 差分减影方法和医学图像处理方法及系统 |
| CN108888284A (zh) * | 2018-05-18 | 2018-11-27 | 沈阳东软医疗系统有限公司 | 图像调整方法、装置及设备、存储介质 |
-
2019
- 2019-01-10 CN CN201910022263.5A patent/CN109740602B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020009215A1 (en) * | 2000-01-18 | 2002-01-24 | Arch Development Corporation | Automated method and system for the segmentation of lung regions in computed tomography scans |
| US20030031351A1 (en) * | 2000-02-11 | 2003-02-13 | Yim Peter J. | Vessel delineation in magnetic resonance angiographic images |
| CN101301207A (zh) * | 2008-05-28 | 2008-11-12 | 华中科技大学 | 动态模型指导下的血管造影三维重建方法 |
| US20100128954A1 (en) * | 2008-11-25 | 2010-05-27 | Algotec Systems Ltd. | Method and system for segmenting medical imaging data according to a skeletal atlas |
| KR20110129239A (ko) * | 2010-05-25 | 2011-12-01 | 인하대학교 산학협력단 | 흉부 씨티 영상 내 병변 자동 검출을 위한 폐 혈관 추출 방법 |
| CN102521476A (zh) * | 2011-11-03 | 2012-06-27 | 丁国成 | 基于成人x线正位胸片的异常心脏大血管计算机筛选系统及筛选方法 |
| CN103985124A (zh) * | 2014-05-17 | 2014-08-13 | 清华大学深圳研究生院 | 基于非线性渐变模型的心脏ct图像底部自动提取方法 |
| CN105976348A (zh) * | 2015-01-06 | 2016-09-28 | 西门子公司 | 医学成像中的个性化全身循环 |
| CN106108925A (zh) * | 2015-05-04 | 2016-11-16 | 西门子保健有限责任公司 | 用于医学图像数据中全身骨移除和血管可视化的方法和系统 |
| CN107045721A (zh) * | 2016-10-24 | 2017-08-15 | 东北大学 | 一种从胸部ct图像中提取肺血管的方法及装置 |
| CN106683090A (zh) * | 2016-12-31 | 2017-05-17 | 上海联影医疗科技有限公司 | 医学图像中肋骨的定位方法及其系统 |
| CN107451321A (zh) * | 2017-05-16 | 2017-12-08 | 中国人民解放军海军总医院 | 一种用于拦阻着舰过程的飞行员心肺系统仿真建模方法 |
| CN107545579A (zh) * | 2017-08-30 | 2018-01-05 | 上海联影医疗科技有限公司 | 一种心脏分割方法、设备和存储介质 |
| CN107886508A (zh) * | 2017-11-23 | 2018-04-06 | 上海联影医疗科技有限公司 | 差分减影方法和医学图像处理方法及系统 |
| CN108888284A (zh) * | 2018-05-18 | 2018-11-27 | 沈阳东软医疗系统有限公司 | 图像调整方法、装置及设备、存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| REFIK SAMET 等: "A New Methodology for Blood Vessel Segmentation on Lung CT Images", 《2016 NICOGRAPH INTERNATIONAL (NICOINT)》 * |
| ROHOLLAH MOOSAVI TAYEBI 等: "Cardiac Components Categorization and Coronary Artery Enhancement in CT Angiography", 《2014 INTERNATIONAL CONFERENCE ON COMPUTER ASSISTED SYSTEM IN HEALTH》 * |
| 于洋: "肺部CT血管分割及三维重建", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 张杰慧: "基于CT造影图像的肺栓塞计算机辅助检测" * |
| 边子健 等: "肺部CT图像中的解剖结构分割方法综述" * |
| 边子健 等: "肺部CT图像中的解剖结构分割方法综述", 《中国图象图形学报》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110197495A (zh) * | 2019-05-30 | 2019-09-03 | 数坤（北京）网络科技有限公司 | 血管提取的调整方法及装置 |
| CN111079741A (zh) * | 2019-12-02 | 2020-04-28 | 腾讯科技（深圳）有限公司 | 图像边框位置检测方法、装置、电子设备及存储介质 |
| CN112767333A (zh) * | 2021-01-08 | 2021-05-07 | 心医国际数字医疗系统(大连)有限公司 | 一种基于cta影像的双下肢血管区域判断方法及系统 |
| CN112907517A (zh) * | 2021-01-28 | 2021-06-04 | 上海商汤智能科技有限公司 | 一种图像处理方法、装置、计算机设备及存储介质 |
| WO2022160731A1 (zh) * | 2021-01-28 | 2022-08-04 | 上海商汤智能科技有限公司 | 图像处理方法、装置、电子设备、存储介质和程序 |
| CN112907517B (zh) * | 2021-01-28 | 2024-07-19 | 上海商汤善萃医疗科技有限公司 | 一种图像处理方法、装置、计算机设备及存储介质 |
| CN113344897A (zh) * | 2021-06-24 | 2021-09-03 | 推想医疗科技股份有限公司 | 肺部图像的管径测量方法及装置、图像处理方法及装置 |
| CN113344897B (zh) * | 2021-06-24 | 2022-01-11 | 推想医疗科技股份有限公司 | 肺部图像的管径测量方法及装置、图像处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109740602B (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109740602A (zh) | 肺动脉期血管提取方法及系统 | |
| US11514572B2 (en) | Automatic image segmentation methods and analysis | |
| CN106108925B (zh) | 用于医学图像中全身骨移除和血管可视化的方法和系统 | |
| CN101065776B (zh) | 分割解剖学结构的三维数字表示的方法和工作站 | |
| US9247879B2 (en) | Method and system for automatic interpretation of computer tomography scan data | |
| US6754376B1 (en) | Method for automatic segmentation of medical images | |
| EP2279490B1 (en) | Automatic detection and accurate segmentation of abdominal aortic aneurysm | |
| US20100076296A1 (en) | Method and System for Automatic Detection of Coronary Stenosis in Cardiac Computed Tomography Data | |
| US10853948B2 (en) | Method for automatically detecting systemic arteries in arbitrary field-of-view computed tomography angiography (CTA) | |
| US8385614B2 (en) | Slice image display apparatus, method and recording-medium having stored therein program | |
| CN102663824A (zh) | 在心脏计算机断层成像容积中的心脏分离的方法和系统 | |
| JP2006055631A (ja) | 分割結果の３次元位置情報を用いた生物学的構造を視覚化するための方法と装置 | |
| CN102968783B (zh) | 从腹部图像数据中自动分割骨骼的方法及系统 | |
| JP2015066311A (ja) | 画像処理装置、画像処理方法、画像処理装置の制御プログラム、記録媒体 | |
| CN113222974B (zh) | 一种侧支循环的自动评价方法和装置 | |
| JP5105997B2 (ja) | 医用画像処理装置、医用画像診断装置、及びプログラム | |
| CN115100067A (zh) | 图像重建方法及装置 | |
| Larralde et al. | Evaluation of a 3D segmentation software for the coronary characterization in multi-slice computed tomography | |
| Ren et al. | Three-dimensional reconstruction of abdominal aortic aneurysm based on compressive sensing with iterative optimization and its application in 3D printing | |
| CN113450322A (zh) | 一种冠状动脉的起源异常判断方法和装置 | |
| Lankton et al. | Soft plaque detection and automatic vessel segmentation | |
| Wei et al. | Segmentation of lung lobes in volumetric CT images for surgical planning of treating lung cancer | |
| Araujo et al. | Computer aided detection of deep inferior epigastric perforators in computed tomography angiography scans | |
| De Bruijne et al. | Localization and segmentation of aortic endografts using marker detection | |
| Klein et al. | A segmentation method for stentgrafts in the abdominal aorta from ECG-gated CTA data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TG01 | Patent term adjustment | ||
| TG01 | Patent term adjustment |